Блог студии Раисыча AI-агенты · автоматизация
Обсудить задачу
ИИ-агенты для продаж 7 мин чтения 9 August 2026

Кейс: квалификация лидов в CRM за 45 дней — +38% к MQL без найма

За 45 дней пилота автоматизация квалификации лидов подняла долю MQL с ~22% до ~60% входящих, сократила время до первого касания менеджера с 4–6 часов до…

Обсудить задачу Все статьи кластера
Кейс: квалификация лидов в CRM за 45 дней — +38% к MQL без найма

За 45 дней пилота автоматизация квалификации лидов подняла долю MQL с ~22% до ~60% входящих, сократила время до первого касания менеджера с 4–6 часов до 8–15 минут и дала +38% MQL к baseline без найма SDR. Ниже — как я веду такой кейс: не «подключили нейросеть», а вычистили воронку, зафиксировали правила, связали каналы с CRM и приняли пилот по цифрам. Цифры — композит внедрений 2025–2026 (B2B-услуги / обучение / digital, 2–5 менеджеров). Это не оферта и не гарантия «+38% каждому».

Метрика Было Стало за 45 дней
Доля MQL во входящих ~22% ~60%
Время до первого касания 4–6 часов 8–15 минут
MQL к baseline — +38%
Найм SDR — не потребовался

Разберу по шагам, что именно даёт такой сдвиг и где он не сработает.

Почему «подключить нейросеть» само по себе не даёт роста

Автоматизация квалификации работает не потому, что модель умная, а потому что до неё в компании не было единых правил: что считать лидом, что — MQL, кто и за сколько минут берёт его в работу. Если этих правил нет, любой скоринг выдаёт мусор с красивым процентом.

Три вещи, которые дают основной эффект:

  • Единое определение MQL. До пилота каждый менеджер трактовал «целевой лид» по-своему — отсюда и размытые ~22%.
  • Скорость первого касания. Падение с 4–6 часов до 8–15 минут — это не про модель, это про маршрутизацию: заявка сразу попадает нужному менеджеру с контекстом, а не лежит в общем ящике.
  • Связка каналов с CRM. Пока часть заявок живёт в мессенджерах и почте мимо CRM, никакая квалификация не считается честно.

Нейросеть здесь — исполнитель правил, а не их автор. Автор — вы, на этапе аудита воронки.

Шаг 1. Аудит воронки: 3–5 дней

Цель — получить не мнение, а цифры по каждому этапу. Что фиксирую:

  1. Источники. Все каналы, откуда приходят заявки: формы на сайте, мессенджеры, почта, звонки, агрегаторы. По каждому — сколько лидов за последние 2–3 месяца.
  2. Доля целевых. Сколько из каждого источника реально доходит до диалога с ЛПР. Это и есть ваш baseline — те самые ~22% в кейсе.
  3. Время до касания. По журналу CRM: медиана и хвост (90-й перцентиль). Хвост важнее среднего — именно в нём теряются деньги.
  4. Причины отказов. Топ-5 формулировок, которыми менеджеры закрывают лиды. Если причины повторяются — это правило скоринга, а не случайность.

Выход шага: таблица «источник → объём → доля целевых → время до касания». Без неё двигаться дальше бессмысленно: не с чем сравнивать результат пилота.

Шаг 2. Правила квалификации: 3–4 дня

Правила пишутся один раз и в одном месте — обычно в виде чек-листа и скоринговой таблицы. Минимальный набор полей, по которым принимается решение:

  • Профиль компании: отрасль, размер, регион — совпадает ли с вашим ICP.
  • Роль обратившегося: ЛПР, влияющий, исполнитель, «просто спросить».
  • Задача: есть ли бюджет и срок, или это сбор информации.
  • Срочность: когда планируют решать вопрос.

Дальше — порог. Например: сумма баллов выше X → MQL, передаём менеджеру немедленно; ниже — в прогрев или отказ с понятной причиной. Порог калибруется на исторических данных: прогоняете правила по закрытым сделкам за полгода и смотрите, сколько реальных клиентов вы бы отсекли. Если много — порог занижен.

Важно: правила должны быть записаны так, чтобы их мог применить и человек, и автоматика. Формулировки вида «адекватный клиент» не годятся.

Шаг 3. Связка каналов с CRM: 5–7 дней

Это самая скучная и самая недооценённая часть. Пока заявки из мессенджеров обрабатываются вручную, автоматическая квалификация охватывает половину потока — и метрика врёт.

Что связываем:

  • Формы на сайте — прямая интеграция, поля маппятся на карточку CRM.
  • Мессенджеры — через API или промежуточный сервис, с сохранением истории в карточке.
  • Почта — ящик, куда падают заявки, разбирается автоматически, письмо прикрепляется к сделке.
  • Звонки — хотя бы фиксация факта звонка и расшифровка, если есть телефония с транскрибацией.

Критерий готовности: в CRM видно 100% входящих за период, и по каждому есть источник. Если в CRM 70% потока — пилот покажет рост, которого не будет в реальных продажах.

Шаг 4. Автоматизация квалификации: 10–14 дней на прототип

Здесь появляется собственно агент. Его работа:

  1. Принять заявку из любого канала.
  2. Вытащить из текста/звонка поля профиля (компания, роль, задача, срок).
  3. Прогнать по правилам шага 2 и присвоить статус.
  4. Мгновенно маршрутизировать MQL нужному менеджеру с кратким резюме и причиной квалификации.
  5. Остальных — в соответствующую ветку с понятным следующим шагом.

Прототип на одном сценарии — это 10–14 дней. Полный контур с несколькими каналами и интеграциями — 30–90 дней. По деньгам ориентиры студии: пилот одного сценария 60–350 тыс ₽, базовый агент поддержки от 50 тыс ₽, агент продаж от 200 тыс ₽, сложный контур от 500 тыс ₽, сопровождение 15–50 тыс ₽/мес. Разброс большой, потому что цена определяется числом каналов и качеством данных в CRM, а не «умностью» модели.

Отдельно про резюме для менеджера: оно должно быть в 3–5 строк. Если агент пересказывает переписку целиком, менеджеры перестают им пользоваться через неделю.

Шаг 5. Приёмка пилота по цифрам: 45 дней

Пилот принимается не по ощущению «стало удобнее», а по трём метрикам против baseline из шага 1:

  • Доля MQL во входящих. В кейсе — с ~22% до ~60%. Рост даёт в первую очередь единое определение и отсев нецелевых на входе, а не модель.
  • Время до первого касания. Цель — минуты, а не часы. В кейсе 8–15 минут.
  • MQL к baseline в абсолюте. +38% — это прирост числа квалифицированных лидов, а не доли. Считать нужно именно так: доля может вырасти и при падении общего потока.

Плюс контрольные показатели, без которых цифры неполные: конверсия MQL → встреча, конверсия встреча → сделка, доля лидов, которые менеджеры вернули из MQL обратно в отказ (если высокая — правила шага 2 надо править).

Где это не сработает

Честно о границах:

  • Мало входящих. При 20–30 заявках в месяц статистика шумит, +38% можно получить случайно. Сначала поток, потом автоматизация.
  • Нет истории в CRM. Не на чем калибровать порог — придётся собирать данные 1–2 месяца вручную.
  • Продукт с длинным циклом и малым числом сделок. Здесь квалификация на входе даёт меньше, чем работа с уже идущими сделками.
  • Менеджеры не приняли правила. Если статус MQL ставит агент, а менеджер с ним не согласен и молча игнорирует — вы получите красивые цифры в CRM и прежние продажи.

Последний пункт — главная причина, по которой пилоты проваливаются. Автоматизация не отменяет договорённости внутри команды, она их только фиксирует.

Если коротко

  • Рост даёт не модель, а единые правила квалификации, скорость маршрутизации и полная связка каналов с CRM.
  • Порядок работ: аудит воронки (3–5 дней) → правила (3–4 дня) → интеграции (5–7 дней) → прототип (10–14 дней) → приёмка по цифрам (до 45 дней).
  • Приёмка — по трём метрикам против baseline: доля MQL, время до первого касания, абсолютный прирост MQL.
  • Ориентиры студии: пилот сценария 60–350 тыс ₽, агент продаж от 200 тыс ₽, сложный контур от 500 тыс ₽, сопровождение 15–50 тыс ₽/мес; прототип 10–14 дней, полный контур 30–90 дней.
  • +38% — композит внедрений, а не гарантия. При малом потоке и пустой CRM эффект сначала надо создать, потом измерять.

FAQ

Нужен ли SDR после внедрения? В описанном кейсе — нет, рост MQL получен без найма. Но если поток вырастет кратно, вопрос вернётся: автоматика квалифицирует, а разговаривать с возросшим числом MQL кто-то должен.

Сколько нужно данных в CRM, чтобы откалибровать порог? Практический минимум — 2–3 месяца истории и хотя бы несколько десятков закрытых сделок с понятным исходом. Меньше — порог придётся ставить экспертно и пересматривать через месяц пилота.

Что делать, если менеджеры не согласны со статусами агента? Собирать разногласия за первые 2 недели и раз в неделю править правила. Если менеджер возвращает MQL в отказ чаще, чем в среднем, — это сигнал к правке скоринга, а не к отключению автоматизации.

Можно ли начать с одного канала? Да, это стандартный пилот: один сценарий, один канал, 10–14 дней на прототип. Но приёмку по доле MQL корректно считать только тогда, когда в CRM виден весь поток, — иначе метрика считается по неполным данным.

Это заменяет отдел продаж? Нет. Автоматизация квалификации сокращает время до касания и отсеивает нецелевых, но не ведёт переговоры. Её задача — чтобы менеджер тратил время на тех, с кем есть шанс сделки.

Читайте также

Заявка

Обсудить задачу

Расскажите, что нужно автоматизировать. Александр Раисович ответит лично и предложит архитектуру решения.

Раисыч

Основатель Студии Раисыча. Проектирую ИИ-контуры для продаж, поддержки и документов — с критериями приёмки и журналом.

Написать в Telegram →
Обсудить задачу